🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
argument_from_sign
Ein Argumentationsschema, das von einem beobachtbaren Anzeichen auf die Existenz eines nicht beobachtbaren Zustands schließt, der typischerweise damit korreliert. Die Stärke des Arguments hängt von der Zuverlässigkeit der Korrelation zwischen Anzeichen und Zustand sowie vom Fehlen alternativer Erklärungen für das Anzeichen ab.
Der Boden ist nass (Anzeichen), also muss es geregnet haben (Zustand). Rauch ist sichtbar (Anzeichen), also muss es brennen (Zustand).
Ein Personalchef bemerkt, dass ein Bewerber während des Vorstellungsgesprächs häufig den Blickkontakt vermeidet. Er schließt daraus, dass der Kandidat unehrlich oder wenig selbstbewusst ist – obwohl Blickvermeidung auch kulturell bedingt oder schlicht Nervosität sein kann.
Auf dem Social-Media-Profil eines Politikers häufen sich plötzlich neue Follower und positive Kommentare kurz vor der Wahl. Journalisten schließen daraus, dass ein koordinierter Botnet-Einsatz stattfindet – das schnelle Follower-Wachstum gilt als Anzeichen für eine Astroturfing-Kampagne.
Sign(S) ∧ Generally(S → C) ⇒ C
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Wird ein beobachtbarer Indikator oder ein Anzeichen zitiert?
Typ: binaryWird daraus eine Schlussfolgerung über einen nicht beobachteten Zustand oder eine Bedingung gezogen?
Typ: binaryBasiert die Verbindung zwischen Anzeichen und Schlussfolgerung auf einer allgemein zuverlässigen Korrelation?
Typ: binaryWerden alternative Erklärungen für das Anzeichen angemessen berücksichtigt?
Typ: binaryEin Argumentationsschema, das von einem beobachtbaren Anzeichen auf die Existenz eines nicht beobachtbaren Zustands schließt, der typischerweise damit korreliert. Die Stärke des Arguments hängt von der Zuverlässigkeit der Korrelation zwischen Anzeichen und Zustand sowie vom Fehlen alternativer Erklärungen für das Anzeichen ab.
Anzeichen dienen als legitime Beweisabkürzungen im alltäglichen Denken. Wir schließen routinemäßig und erfolgreich von beobachteten Wirkungen auf nicht beobachtete Ursachen.
Frage, ob das Anzeichen alternative Ursachen haben könnte. Prüfe die Zuverlässigkeit der Korrelation zwischen Anzeichen und Bedingung. Suche nach zusätzlichen bestätigenden oder entkräftenden Anzeichen.
Medizinische Diagnose, Wettervorhersage, Spurensuche, forensische Untersuchung und Fehlersuche (Debugging).
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.